Automation Test Lead – Data & Platform Engineering

🕒 vor 7 Tagen

Jetzt Bewerben

Ähnliche Remote-Jobs finden

E-Mail-Benachrichtigung für neue Jobs einrichten

📊 Überprüfen Sie Ihre Lebenslauf-Bewertung für diese Stelle

Verbessern Sie Ihre Chancen auf ein Vorstellungsgespräch, indem Sie Ihre Lebenslauf-Bewertung vor der Bewerbung überprüfen.

Lebenslauf hochladen

Virtusa

WebsiteLinkedInAlle Stellen

10.000+ Mitarbeiter

Gegründet 1996

💼 Beratung

🏢 Unternehmen

🤖 Künstliche Intelligenz

💰 €108.000.000 Post-IPO Equity - Virtusa im 2017-05

Consulting • Enterprise • Artificial Intelligence

Virtusa ist ein globales Technologie- und Beratungsunternehmen, das Unternehmen dabei unterstützt, ihr Geschäft durch digitale Technik, KI-gesteuerte und fachbereichsorientierte Lösungen neu zu gestalten. Es bietet Beratungs-, Design-, Ingenieurs-, Automatisierungs-, Analyse- und Optimierungsdienste und arbeitet mit Organisationen aus den Bereichen Bank- und Finanzdienstleistungen, Kommunikation, Gesundheitswesen, Versicherungen, Einzelhandel, Fertigung und anderen Industrien zusammen, um technologie- und KI-Lösungen im Unternehmensmaßstab zu liefern. Virtusa legt den Schwerpunkt auf KI-Dienstleistungen, domänengetriebene Lösungen für das KI-Unternehmen und end-to-end digitale Transformation.

Beschreibung

• Test Automation Architecture & Strategy: Own a scalable, modular, metadata-driven framework covering data pipelines (batch/streaming), APIs/backend services, and end-to-end data product validation; enable plug-and-play components, parallel execution, environment isolation, deterministic runs • Data Testing Framework Engineering: SQL-based assertions/reconciliation, schema validation, data contracts, lineage/freshness validation, config-driven test definitions (YAML/JSON) • Destructive Testing: Schema drift, backward incompatibility, late-arriving data, partial failures, duplicate/missing/out-of-order events, stress, concurrency, retries, DLQ handling, backpressure • ETL/Streaming Validation at Scale: Row/aggregate/hash-based reconciliation, incremental/backfill validation, delivery semantics validation, window/time-based correctness • Data Quality & Observability: Integrate/extend Great Expectations or Soda; custom validations for accuracy, completeness, uniqueness, timeliness; quality dashboards • CI/CD & DataOps Enforcement: Pre-merge gates, release blockers, selective/parallel test execution, GitHub Actions/Jenkins integration • Test Data Management: Synthetic data generation, masking/anonymization, deterministic datasets, edge case simulation • Performance & Reliability Testing: Pipeline/query benchmarks, concurrency/stress testing, data skew analysis, cost/time optimization • Security & Compliance: PII/PHI exposure checks, encryption/access control, retention, audit requirements; support GxP/SOX/ISO frameworks • Cross-Functional Quality Leadership: Work with data engineers, platform teams, architects; mentor engineers • Incident Analysis & Prevention: Root-cause analysis of production data issues, reduce flaky tests

🎯 Anforderungen

• Strong Python (test frameworks, libraries, CLI tools); advanced SQL • Hands-on DBT, Airflow, Snowflake or similar; ETL/ELT and data modeling • Great Expectations/Soda; lineage and catalog systems • Kafka/Kinesis testing; delivery semantics • Git workflows; CI/CD (Jenkins, GitHub Actions) • AWS; IaC (Terraform/CloudFormation)